CN103914877A - 一种基于扩展合并的三维模型多细节层次结构 - Google Patents

Abstract

本发明首先利用语义网对三维模型特别是三维城市模型或三维商品展示模型进行分割，并将分割后的模型归为群组。对每个群组生成其Delaunay三角网，以检测三维场景中模型间的相邻关系，对相邻节点，实施扩展合并算法，并构建多细节层次模型GroupTree。在动态可视化过程中，通过监测当前用户视点与群组之间的距离以及视线与群组之间角度，计算所需要的细节层次，并动态加载三维模型群组GroupTree中的相应节点。从而实现对模型的动态综合简化，提高可视化效率。

Description

一种基于扩展合并的三维模型多细节层次结构

一、技术领域

本发明主要涉及计算机可视化领域，通过对相邻三维模型的合并，建立GroupTree多细节层次结构，以实现在动态可视化中，减少读取模型的数据量，简化远景模型，提高三维模型显示效率。本发明将主要用于在线三维城市地图、在线三维商品展示等领域。

二、背景技术

三维模型可视化技术近年来得到迅速发展，已经应用于多个领域，如游戏、地理信息系统、电子商务展示等。它对于路径导航、位置查询，以及信息展示有着重要的推动作用，在移动服务领域有着广阔的应用前景，人们可以通过移动终端设备获得当前所处城市位置，并获得身临其境的三维可视化服务(如信息推荐、商品展示以及室内导航等)，极大地提高了三维模型可视化技术的普及率。然而，由于一些客观条件的影响，比如移动设备计算和存储能力较弱、无线网络带宽较小等，都会影响三维模型处理处理与显示的速度，而数据传输和大量计算都需要较高配置要求，这些因素都导致设备响应迟缓、显示效果降低、死机等情况出现。为此，在本发明中我们利用扩展合并算法，生成单位模型的多细节层次结构，以实现动态可视化，在减少传输数据的同时，尽可能保留原模型的视觉特征。

三、发明内容

该发明基于三维模型重心，生成三维模型间的全连接网络，利用语义网(如道路网格、商品分类等)对其进行剪枝分割，再使用Delaunay三角网格检测模型间的相邻关系，并计算出相邻模型之间的距离。基于该距离，迭代的选择最小距离模型进行合并。

合并算法为基于三维扩展的合并算法，该方法通过对模型进行扩展延伸，从而将两个相邻的模型合围一体，在减少数据量的同时，可以保留原有模型的特性，符合用户的视觉感受。通过迭代合并算法，生成多细节层次结构GroupTree。

基于GroupTree树形结构，实现多细节层次三维模型动态可视化，即根据用户视点选择需要可视化的模型细节层次。由于三维模型的大小和清晰度随着用户视点而发生动态变化，因此通过保留近景模型的细节，简化远景模型，可以快速实现三维城市模型的可视化。

本发明所提出的基于扩展合并的三维模型多细节层次结构，其具体内容如下：

1.基于Delaunay三角网的三维场景模型间相邻关系检测

通过语义网格对三维场景中显示模型的全连接图进行剪枝分割，并在分割后的连通子图上分别生成Delaunay三角网。Delaunay三角网检测相邻关系具有以下特性：最接近、唯一性、最优性、最规则、区域性以及具有图多面体的外壳。图1给出了一个Delaunay三角网的示例。从图1中科院看出，Delaunay三角网能够较为准确的检测出模型之间的空间相邻关系，再通过对三角网的分割，删除节点不属于同一类型的边，则能准确找出模型之间的语义空间相邻关系，为模型合并做好准备。

2.GroupTree的生成

在相邻关系的基础上，通过将最近的模型进行合并，从而生成GroupTree，实现多细节层次结构。如图2所示，图2a中圆形表示三维模型，由于1，2距离最近，首先进行合并生成D，然后4与5合并生成C，D与3合并后生成B，最后C与B合并生成A(如图2b所示)。

合并顺序的选择是根据邻近模型之间的距离实现的，且合并后邻近模型间的距离要根据合并进行调整，具体而言，合并后节点的相邻节点是其子节点相邻节点的集合，合并后节点与其相邻节点之间的距离为其所有子节点与该相邻节点之间的最小距离。合并算法是基于扩展的合并，设待合并模型为A与B，则分别对A与B的边进行延伸与连接，选择其中能够相交的模型，并计算相交后体积的增量，选择增量最小的模型作为合并后的结果。一个二维情况的示例如图3所示。通过对边的延长，从而实现模型的合并。

3.三维模型多细节层次结构GroupTree的动态可视化

GroupTree可以使用离线的方式生成，生成后存储于服务器，在需要时可以直接实现动态可视化，因此具有较高的效率。具体而言，动态可视化过程包括以下几个步骤，首先获取用户当前视点位置；基于GroupTree的根节点计算视点的角度是否包含，如不包含则不进行可视化；如果包含，则计算当前视点距GroupTree根节点之间的距离与根节点面积之比r，如果r大于某个预设的值，则将根节点标注为可视并返回，否则，对于根节点的子节点进行上述计算与比较，并根据r与预设值的比较实现迭代处理，直到全部节点返回并选择出可视节点。预设值可以根据不同应用进行灵活调整，从而实现自适应的多细节层次结构。表1给出了本文所提出的算法对于三维模型可视化效率的提高实验，从中可以看出通过采用多细节层次模型，能够减少可视化耗时达到60％以上。

表1.动态可视化时间(毫秒)

四、附图说明

图1Delaunay三角网示例

图2多细节层次模型GroupTree生成示例

图3模型合并步骤

图4基于扩展的模型合并算法

五、具体实施方式

本发明具体实施方式如下：

步骤1，首先提取三维场景中的模型的重心，并基于此生成Delaunay三角网；

步骤2，通过对生成的Delaunay三角网进行语义分割，检测出三维场景中模型之间的相邻关系；

步骤3，计算相邻模型之间的空间距离，并从小到大，对相邻模型进行两辆合并，生成树形多细节层次结构GroupTree

步骤4，在动态可视化过程中，根据当前用户视点与设备性能，在GroupTree中选择相应节点进行可视化。

Claims (4)

1.一种基于扩展合并的多细节层次三维模型可视化方法，其方法实现过程的特征具体如下：基于三维模型空间图重心，生成三维场景中模型之间的全连接网络，利用语义网格(道路网或商品分类等)对三维模型网络进行分割；利用Delaunay三角网格，计算出模型之间的相邻关系，并从最近的相邻模型开始，利用扩展合并算法生成多细节层次模型GroupTree；基于多层次细节模型GroupTree，在计算视角与视距的基础上，实现三维模型的动态显示，从而减少模型数量，提高三维可视化效率。

2.根据权利要求书1所描述的基于扩展合并的三维模型多细节层次结构，其特点在于利用语义网格对三维场景中模型进行分割，并在此基础上通过Delaunay三角网确定模型之间的相邻关系。

3.根据权利要求书1所描述的基于扩展合并的三维模型多细节层次结构，其特征在于在合并相邻建筑物的过程中，使用扩展算法对三维模型进行延伸，从而在不移动模型的基础上，保留三维模型整体特征，该方法对于距离较近模型具有很好的适应性，其效果好于现有的移动合并算法。

4.根据权利要求书1所描述的基于扩展合并的三维模型多细节层次结构，其特征在于通过逐步合并邻近模型，自动生成多细节层次结构GroupTree，并在可视化过程中，基于视点信息(包括视距与视角)，实现模型细节的动态显示，从而提高可视化效率。